公开(公告)号：CN118268787A

公开(公告)日：2024-07-02

申请号：CN202410335084.8

申请日：2024-03-22

Applicant: 常州大学

Inventor： 李小双 ,  谭海欢 ,  孙玉永 ,  王东坡 ,  张洁 ,  陈国庆 ,  卢坤林 ,  雍睿 ,  吴琼 ,  王创业 ,  徐振洋 ,  曹爽 ,  夏平心 ,  刘健鹏 ,  蒋宏伟

IPC: B23K37/04 ,  B23K37/047

Abstract: 本发明公开了一种适用于边坡支架加固的焊接装置，涉及边坡防护技术领域，包括工作单元，所述工作单元包括工作台组件和连接在工作台组件上的输送组件，所述工作台组件的上端连接有工作盖板；所述工作台组件包括工作台本体和安装在工作台本体内部的运输齿轮；所述输送组件包括输送道和连接在输送道内部的输送限位轨道；安装单元，所述安装单元包括安装盘组件和设置在安装盘组件上的边坡支架本体，所述安装盘组件上连接有支架固定组件，且安装盘组件上开设有焊接槽口；焊接单元，所述焊接单元包括焊接安装组件和安装在焊接安装组件内部的焊接组件；解决了现有焊接装置难以保证焊接的精度，同时对边坡支架的焊接不能进行连续处理的问题。

公开(公告)号：CN116756700A

公开(公告)日：2023-09-15

申请号：CN202310396179.6

申请日：2023-04-14

Applicant: 常州大学

Inventor： 蒋宏伟 ,  周浩 ,  吴月旭 ,  陈春红 ,  王新杰

IPC: G06F18/27 ,  G06F18/214 ,  G06N20/20 ,  G01B21/02 ,  G08B21/10

Abstract: 本发明公开了基于滑窗法和Stacking集成学习算法的滑坡位移预测方法及系统包括：收集各监测点的滑坡位移数据，采用移动平均法将数据分解为趋势项数据和周期项数据；根据数据构建数据集，并初步筛选候选输入因素，对候选输入因素和周期项数据进行Pearson相关系数分析获取模型输入因子；将模型输入因子分解为拟合集和预测集，并基于滑窗法和Stacking集成深度学习算法进行预测得到周期项位移预测结果；利用支持向量回归算法对趋势项数据进行预测得到趋势项位移预测结果，将周期项位移预测结果和趋势项位移预测结果相加得到总滑坡位移预测结果；本发明采用的Stacking集成模型将多种深度学习算法有效融合对滑坡位移进行预测，进一步提高了预测结果的准确性及稳定性。

公开(公告)号：CN118347540A

公开(公告)日：2024-07-16

申请号：CN202410463882.9

申请日：2024-04-17

Applicant: 常州大学

Inventor： 李小双 ,  谭海欢 ,  胡云进 ,  李启航 ,  王忠鑫 ,  王创业 ,  叶永祥 ,  王佳文 ,  谭毅 ,  陈秋松 ,  江松 ,  丁小华 ,  陈彦龙 ,  夏开宗 ,  唐世斌 ,  曹爽 ,  刘少峰 ,  刘健鹏 ,  蒋宏伟

IPC: G01D21/02 ,  G08B21/10 ,  G08B25/08 ,  G06Q10/04 ,  G06Q10/0635 ,  G06Q50/02

Abstract: 本发明属于边坡安全领域，涉及数据分析技术，用于解决现有技术中的边坡安全监测系统，无法结合边坡的沉降参数与外部干扰参数对边坡的支护方式进行优化分析的问题，具体是一种基于数据分析的边坡安全监测系统，包括安全监测平台，安全监测平台通信连接有区域监测模块、安全评估模块、支护分析模块以及存储模块；区域监测模块用于对边坡安全进行区域性监测分析：将边坡安全监测地区分割为若干个监测区域，获取监测区域的监测表现值与监测集中值；本发明可以对边坡安全进行区域性监测分析，以分区域监测的方式获取各个监测区域的多个边坡安全参数并进行数值计算，通过监测表现值与监测集中值对每一个监测区域的安全性与稳定性进行监控。

公开(公告)号：CN115238860B

公开(公告)日：2024-01-23

申请号：CN202210712396.7

申请日：2022-06-22

Applicant: 中国石油天然气集团有限公司 ,  中国石油集团工程技术研究院有限公司 ,  常州大学

Inventor： 蒋宏伟 ,  邓嵩 ,  李雅飞 ,  付加胜 ,  刘伟 ,  赵庆 ,  翟小强 ,  李牧 ,  计杨杨 ,  裴纯玉 ,  贺嘉蕾 ,  王晓颖

IPC: G06N3/0499 ,  G06N3/084 ,  G06N3/006 ,  G06F18/10 ,  G06F18/214 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明实施例提供了一种漏失压力预测模型生成方法和装置，所述方法包括：通过改进麻雀算法，对获取的初始网络参数进行优化，得到最优网络参数；根据最优网络参数和获取的样本数据，对反向传播神经网络模型进行训练，生成漏失压力预测模型，通过漏失压力预测模型能够准确预测漏失压力，提高预测准确率和模型的适应度。

公开(公告)号：CN115238860A

公开(公告)日：2022-10-25

申请号：CN202210712396.7

申请日：2022-06-22

Applicant: 中国石油天然气集团有限公司 ,  中国石油集团工程技术研究院有限公司 ,  常州大学

Inventor： 蒋宏伟 ,  邓嵩 ,  李雅飞 ,  付加胜 ,  刘伟 ,  赵庆 ,  翟小强 ,  李牧 ,  计杨杨 ,  裴纯玉 ,  贺嘉蕾 ,  王晓颖

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/00 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明实施例提供了一种漏失压力预测模型生成方法和装置，所述方法包括：通过改进麻雀算法，对获取的初始网络参数进行优化，得到最优网络参数；根据最优网络参数和获取的样本数据，对反向传播神经网络模型进行训练，生成漏失压力预测模型，通过漏失压力预测模型能够准确预测漏失压力，提高预测准确率和模型的适应度。